Inteligência Artificial Estreita (ANI)

Caraterísticas principais

A caraterística que define o ANI é a sua especialização. Estes sistemas são normalmente desenvolvidos com recurso a vastos conjuntos de dados pertinentes para a função que lhes foi atribuída, recorrendo frequentemente a técnicas de aprendizagem automática (ML). As principais caraterísticas incluem:

• Específico da tarefa: Concebidos para um único objetivo ou para um conjunto muito limitado de tarefas estreitamente relacionadas, como jogar xadrez, identificar rostos(reconhecimento facial) ou traduzir línguas.
• Orientado por dados: O desempenho depende muito da qualidade e da quantidade de dados de treino utilizados durante o desenvolvimento. Os paradigmas de formação comuns incluem a aprendizagem supervisionada, a aprendizagem não supervisionada e a aprendizagem por reforço.
• Orientado para objectivos: Funciona com base em algoritmos e parâmetros definidos pelos programadores para atingir objectivos específicos e mensuráveis.
• Falta de consciência: Os sistemas ANI não possuem auto-consciência, senciência ou compreensão genuína; simulam inteligência dentro do seu âmbito restrito com base em padrões aprendidos a partir de dados. Podes explorar a documentaçãoUltralytics para obteres mais detalhes sobre a forma como estes modelos são treinados e implementados.

Distinção de outros tipos de IA

Para compreender a IAN, é necessário diferenciá-la das formas mais avançadas e teóricas de IA:

• Inteligência Artificial Geral (AGI): Muitas vezes designada por IA forte, a AGI refere-se a máquinas hipotéticas com capacidades cognitivas semelhantes às humanas, capazes de compreender, aprender e aplicar inteligência numa vasta gama de tarefas, à semelhança de um ser humano. Organizações como a Google DeepMind e a OpenAI estão a investigar ativamente caminhos para a AGI. A AGI continua a ser em grande parte teórica e é um passo significativo para além das actuais capacidades da ANI.
• Superinteligência Artificial (ASI): Esta é uma fase hipotética do futuro em que a IA ultrapassa a inteligência humana em praticamente todos os domínios economicamente valiosos. A ASI representa um nível de inteligência que excede em muito até as mentes humanas mais brilhantes, um conceito explorado em pormenor por pensadores como Nick Bostrom.

Apesar de a ANI alimentar aplicações sofisticadas, funciona estritamente com base na sua programação e nos dados de treino, sem uma compreensão genuína ou a capacidade de generalizar para além da sua tarefa específica.

Aplicações no mundo real

A IAN está omnipresente na tecnologia moderna. Eis dois exemplos importantes:

1. Sistemas de visão por computador (CV): Modelos como Ultralytics YOLOincluindo versões como YOLOv8 e YOLO11são excelentes exemplos de ANI. São excelentes em tarefas visuais específicas, como a deteção de objectos (identificar e localizar objectos com caixas delimitadoras), a segmentação de instâncias (delinear instâncias individuais de objectos) e a estimativa de pose (detetar pontos-chave do corpo). Estas capacidades são cruciais em diversos domínios, como a navegação de veículos autónomos (ver a abordagem da Waymo), a melhoria dos sistemas de segurança, a automatização do controlo de qualidade do fabrico e a ajuda na análise de imagens médicas. Plataformas como o Ultralytics HUB facilitam o treinamento e a implantação desses modelos especializados de CV. Podes encontrar comparações entre modelos YOLO na nossa documentação.
2. Sistemas de processamento de linguagem natural (PNL): Os assistentes virtuais, como o Siri da Apple e o Alexa da Amazon, os sofisticados chatbots utilizados no serviço de apoio ao cliente e as ferramentas de tradução automática, como o Google Translate, são todos alimentados por ANI. São treinados em grandes conjuntos de dados de texto para compreender e gerar linguagem humana para aplicações específicas, como responder a perguntas, seguir comandos ou traduzir texto entre línguas. Embora sejam altamente competentes nestas tarefas, carecem de um conhecimento geral do mundo ou de um raciocínio de senso comum fora do seu domínio de formação. Quadros como o Hugging Face Transformers fornecem ferramentas para a construção desses modelos de PNL.

Outros exemplos generalizados de IA incluem sistemas de recomendação utilizados por plataformas como a Netflix e o Spotify, filtros de spam para correio eletrónico e software utilizado na modelação financeira. O desenvolvimento e a implementação destes sistemas envolvem cada vez mais uma análise cuidadosa da ética da IA para garantir a justiça e evitar preconceitos prejudiciais, orientada por organizações como a Partnership on AI e os princípios da Explainable AI (XAI).